Presentación de previsiones basadas en IA y evaluación de riesgos solares en la ESIG 2026
Nuestros compañeros Lars y Peter, del equipo «Forecasting Key Accounting», participaron del 15 al 17 de junio en los talleres de verano de la ESIG (Energy Systems Integration Group) de 2026 en Denver, Colorado.
En el evento de este año, ofrecieron información sobre dos temas fundamentales que marcarán el futuro de las previsiones de energías renovables: las previsiones basadas en IA y los informes de conciencia situacional para centrales solares en zonas de alto riesgo.
Mejora de la evaluación de riesgos solares mediante la conciencia situacional
La ponencia de Peter se centró en la creciente importancia de los productos de conciencia situacional para instalaciones solares en zonas de alto riesgo. A medida que la generación de energía solar sigue aumentando en toda América del Norte, también crece la necesidad de comprender y gestionar mejor los riesgos asociados a los fenómenos meteorológicos extremos.
Para ayudar a los clientes en estas situaciones, energy & meteo systems desarrolla diversos escenarios que permiten una evaluación exhaustiva de los riesgos. Además de las mejoras continuas en la previsión de la producción solar, ofrecemos productos de evaluación de la situación que ayudan a los clientes a valorar los posibles impactos basándose en escenarios del peor caso. Actualmente, nos centramos en evaluar los efectos de los incendios forestales y las fuertes nevadas en los parques solares que supervisamos.
IA explicable: el aprendizaje automático en la predicción
Lars presentó nuestro enfoque del aprendizaje automático en la predicción meteorológica y analizó tanto sus puntos fuertes como sus limitaciones. Aunque los modelos meteorológicos basados en IA han obtenido resultados sobresalientes en numerosos estudios comparativos internacionales y a menudo superan a los modelos tradicionales de predicción numérica del tiempo (NWP), en energy & meteo systems consideramos que la transparencia sigue siendo de vital importancia.
En la ESIG, Lars explicó por qué apostamos por el aprendizaje automático explicable en las primeras fases de la predicción y presentará las principales conclusiones que hemos obtenido mediante la aplicación práctica de estos métodos.
Esperamos poder impulsar la innovación y reforzar la resiliencia de la red junto con la comunidad de la ESIG a través de estas ponencias.